[发明专利]一种文本摘要的提取方法及装置

说明书

本申请提供了一种文本摘要的提取方法及装置，其中，该方法包括：获取待分析文本中各个句子的关键词，并针对每个所述句子，得到该句子中各个关键词的权重；基于该句子中各个关键词的词向量，以及该句子中所述各个关键词的权重，确定该句子所对应的句子向量；基于所述待分析文本中各个句子分别对应的句子向量，确定各个句子的重要性分数；基于各个所述句子的重要性分数，从各个句子中确定目标句子，并将所述目标句子确定为所述待分析文本的文本摘要。本申请中，能够从待分析文本中提取出更好的表征待分析文本涵义的目标句子，提高文本摘要提取的准确度。

技术领域

本申请涉及信息技术领域，尤其是涉及一种文本摘要的提取方法及装置。

背景技术

随着互联网技术的不断发展，在为广大用户提供丰富信息的同时，网络上的数据量也与日俱增，为了使用户能够获取目标信息，需要对一些文本信息进行摘要提取处理。

现有技术中，可以通过网页排名(PageRank)的方法对文本信息进行摘要提取，PageRank是谷歌(Google)公司创办人拉里佩奇发明的一种基于图的排序模型，可以将数据之间的关系用图的形式表示，PageRank的研究对象可以是网页、社交网络中的用户乃至文章中的句子或词语，其应用范围十分广泛。

但是，申请人在研究中发现，现有技术中，利用PageRank的方法提取出的文本摘要往往不能够准确地表达出文本的主要信息，造成按照该方法得到的文本摘要存在一定的偏差。

发明内容

本申请至少提供一种文本摘要的提取方法及装置，能够减少文本摘要的提取过程中产生的误差。

第一方面，本申请实施例提供了一种文本摘要的提取方法，包括：

获取待分析文本中各个句子的关键词，并针对每个所述句子，得到该句子中各个关键词的权重；

基于该句子中各个关键词的词向量，以及该句子中所述各个关键词的权重，确定该句子所对应的句子向量；

基于所述待分析文本中各个句子分别对应的句子向量，确定各个句子的重要性分数；

基于各个所述句子的重要性分数，从各个句子中确定目标句子，并将所述目标句子确定为所述待分析文本的文本摘要。

一种可选实施方式中，所述获取待分析文本各个句子中的关键词，包括：

对所述待分析文本中各个句子进行分词处理，得到各个句子分别对应的分词词汇；

针对每个所述句子，从该句子对应的分词词汇中，确定该句子的关键词；

所述关键词包括：所述分词词汇中的名词、动词、以及形容词中一种或者多种。

一种可选实施方式中，所述针对每个所述句子，得到该句子中各个关键词的权重，包括：

基于各个关键词在所述句子中的顺序，针对任意连续的N个关键词，建立所述任意连续的N个关键词中，每两个关键词之间建立关联关系；

针对该句子中的任一关键词，基于该任一关键词与其他关键词之间的关联关系，确定以该任一关键词为起点的第一关联关系数，以及以该任一关键词为终点的第二关联关系数；

基于所述第一关联关系数、所述第二关联关系数，得到该任一关键词的权重；

基于得到的任一关键词的权重，进行多轮迭代，直至达到预设迭代截止条件。

一种可选实施方式中，所述基于该句子中各个关键词的词向量，以及该句子中所述各个关键词的权重，确定该句子所对应的句子向量，包括：

基于该句子中各个关键词的权重，对该句子中各个关键词的词向量进行加权平均处理，得到该句子对应的句子向量。